Гибридный Vision Transformer и квантовая свёрточная нейронная сеть для классификации изображений В статье предлагается гибридный фреймворк ViT-QCNN-FT, который объединяет усовершенствованный Vision Transformer с квантовой свёрточной нейронной сетью (QCNN). Этот подход позволяет сжимать высокоразмерные изображения для использования на квантовых устройствах промежуточного масштаба (NISQ). Исследование показывает, что квантовый шум может как снижать, так и повышать точность (в некоторых случаях на +2,71%) и что квантовые архитектуры демонстрируют значительное преимущество перед классическими аналогами, подтверждая потенциал квантового машинного обучения для решения сложных задач. arXiv: 2510.12291 Обзоры | Квантовая физика
Гибридный Vision Transformer и квантовая свёрточная нейронная сеть для классификации изображений
В статье предлагается гибридный фреймворк ViT-QCNN-FT, который объединяет усовершенствованный Vision Transformer с квантовой свёрточной нейронной сетью (QCNN). Этот подход позволяет сжимать высокоразмерные изображения для использования на квантовых устройствах промежуточного масштаба (NISQ). Исследование показывает, что квантовый шум может как снижать, так и повышать точность (в некоторых случаях на +2,71%) и что квантовые архитектуры демонстрируют значительное преимущество перед классическими аналогами, подтверждая потенциал квантового машинного обучения для решения сложных задач.
arXiv: 2510.12291
